从网站获取某些数据的最快方法？ 当前将整个html解析为一个String并进行筛选

Question

我想以最快的方式从网站（没有API或网络服务）中获取数据。 我目前正在使用bufferedreader，并将html解析为字符串，然后使用子字符串在其中筛选所需的数据。

我已经在stackoverflow上搜索了答案，很多人说他们使用JSoup来完成相同的工作，但这是比将数据解析为字符串最快/更快的方法吗？

另外，我只想一遍又一遍地获取相同的数据，而将html解析为String的速度如此之慢是因为该网站包含约2000行。 无论如何，我可以通过操纵URL来隔离我想要的网站部分，从而将我想要的数据变成一个较小的String？

在网站的源代码中，我需要的数据包含一个<span>标签，而我不需要的大多数数据都具有<div>或<a>标签，并且我确切知道它在源代码中的位置。

目前正在考虑的解决方案：

• 多线程，因为我将浏览许多相似的页面
• 自己的带有缓冲线的读取器，带有skipline方法，该方法不保存字符串，而是跳过它（不确定是否可以这样做？）
• 缓冲的读取器，读取行的第一个字符串，如果不包含我想要的标记，则跳过该字符串

我想使用多线程可以帮助提高速度（虽然不确定，但从未做到），但是我对我的bufferedreader解决方案不太确定。 有什么想法吗？

如果有此解决方案的替代方案，请告诉我。 我一直在努力研究这个问题，只是想不通。 谢谢

Answer 1

人们说他们使用JSoup来完成相同的工作，但是，这是比将数据解析为字符串最快的方法吗？

Jsoup提供了“使用DOM，CSS和类似jquery的最佳方法来提取和处理数据的便捷API” Jsoup官方网站 。

鉴于您没有在问题中提供足够的信息（例如，您正在解析的网站，您的当前代码等），我只能建议您同时进行两种实现并为时间和内存效率进行测试比较 。 仍然可以向其中添加多线程。

通常，我建议在库完全满足您的需求时使用它们 ，而不要自己构建此功能。